[發明專利]一種評估不同數據源數據準確度的方法和裝置

在審

• 申請號: 201611224252.8
• 申請日: 2016-12-27
• 公開（公告）號: CN106777235A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 易薇;郎曉鋒;顧石;張嘉亮
• 申請（專利權）人: 天津數集科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/02
• 代理公司: 北京眾合誠成知識產權代理有限公司11246
• 代理人: 龔燮英

1.一種評估不同數據源數據準確度的方法，其特征在于，包括以下步驟：

步驟S101：數據采集，離線導入各數據源的人群標簽數據，統一數據格式并存儲；

步驟S102：數據驗證，根據設備ID與人群標簽的映射關系，基于可復核大數據樣本的設備ID與人群屬性，匹配、驗證得出標簽數據的準確度；

步驟S103：數據應用，根據設備ID與人群標簽的映射關系，將標簽數據應用于實際的廣告活動投放中，埋碼收集廣告活動投放時的曝光、點擊、轉化等數據；根據標簽數據用于廣告活動的反饋數據，分析得出這些標簽數據中設備ID與所攜帶標簽的相關度；

步驟S104：數據評分，根據所述步驟S102和S103中分析得出的標簽準確度和標簽相關度，給這兩個數值賦予權值計算得出該數據源該標簽維度的綜合評分。

步驟S105：數據報告，統計每個數據源已知標簽數據的準確度、相關度、評分，通過界面展示出報告結果。

2.按照權利要求1所述的一種評估不同數據源數據準確度的方法，其特征在于：所述步驟S101中采集各數據源的人群標簽數據后，基于設備ID，將來自各數據源的人群標簽數據與可復核大數據樣本進行匹配、驗證。

3.按照權利要求1或2所述的一種評估不同數據源數據準確度的方法，其特征在于：步驟S101和步驟S103中數據采集形式包括離線導入形式和埋碼形式。

4.按照權利要求3所述的一種評估不同數據源數據準確度的方法，其特征在于：通過離線導入的形式，將各數據源的人群標簽數據采集到系統模塊中，數據至少包括設備id、人群標簽這二個字段，且每個設備id攜帶多個人群標簽字段；通過埋碼的形式，將各人群標簽數據用于廣告活動中的投放效果采集到系統模塊中，數據至少包括活動id、設備id、人群標簽、曝光、轉化這六個字段。

5.一種評估不同數據源數據準確度的裝置，其特征在于：包括依次連接的數據采集模塊、數據驗證模塊、數據應用模塊、數據評分模塊和數據報告模塊；其中，

數據采集模塊，用來采集各數據源的人群標簽數據，統一數據的格式并存儲；

數據驗證模塊，根據來自各數據源的設備ID與人群標簽的映射關系，分析得出各數據源數據與可復核大數據樣本相匹配的準確度；

數據應用模塊：將標簽數據應用于投放，根據廣告活動反饋數據，可以分析得出各數據源數據的相關度；

數據評分模塊，根據數據驗證模塊和數據應用模塊的結果對各數據源的各數據維度進行綜合評分；

數據報告模塊，統計出每個數據源已知數據的準確度、相關度和綜合評分，通過界面展示出報告結果。